図：未来都市のホログラム情報空間（ChatGPTによる）
Ｑ（koshix）：
衰えつつある新聞テレビに変わる国民メディアとして，生成AIエージェントを核にする「
おはようKAMEKIX」のような構造をベースにできないか考えています。
生成AIの利用は，日本では遅れています。しかし，今後さらに普及すれば，すべての人々がAIチャットボットに毎日，頻繁にアクセスするようなこともおこるでしょう。スマホのSNSの使い方と同じレベルです。ところで，このようなPULL型の情報入手では自分の興味関心によるタコ壺的な環境ができ，さらには，アルゴリズムによるエコーチェンバーがこの空間全体を支配することになります。
そこで，なんらかのPUSH型の情報提供が必要だと思います。そこに自分の興味に即した一定のカスタマイズが可能になり，さらに，提供された情報（広義のニュース）への問いかけをヴォイスで簡単に実現できれば，万人のための半分共通の基盤となるニュース，半分各自の興味に即したニュース，それぞれについての認識を深める仕組みが統合された，国民統合機能を維持する新しいメディアができるのではないかと思います。
複数のこうしたメディアが立ち上がれば，それが，現在の新聞テレビを代替する可能性があるので，いまのメディア企業が先鞭をつける動機づけにもならないでしょうか。
「おはよう○○」という体裁で，テキスト＋画像＋動画のミックスした主要ニュース（政治，経済，社会，文化，科学技術，生活）が，共通部分の核としてプッシュされます。自分がサブスクライブしたい個別詳細分野（設定可能）のRSSフィード的なニュースがこれに加わります。個々の記事にはボタンがあって，ここで，対話的により深い知識を得ることができます。それらの記事内容はすべて何らかのファクトチェックがなされている必要がありますが，これがもとの生成AIの基盤技術で実現できるのかがひとつの鍵かも知れません。
わたしの言いたいことはわかりますか？
Ａ（ChatGPT + Claude）：
AI公共メディア構想 ――共通の議題と対話可能なニュース空間を再構築する
第２版 2026年8月
１．何が失われようとしているのか
新聞とテレビの衰退によって失われつつあるものは、ニュースそのものではない。ニュースの量はむしろ増えている。スマートフォンを開けば、ニュースサイト、SNS、動画、検索、個人配信、生成AIから、ほとんど無限の情報を取得できる。
失われつつあるのは、社会の多数が、自分で選択しなくても、毎日ある程度同じ重要事項に接触する仕組みである。
かつて新聞の一面や総合面、テレビの定時ニュースには、「あなたが関心を持っているかどうかとは別に、今日はこれが重要である」と情報をPUSHする機能があった。その編集判断はもちろん完全でも中立でもなかった。新聞ごとの差もあり、横並び報道や記者クラブ依存などの問題もあった。
それでも、異なる政治的立場や生活環境にいる人が、「今日はこの地震が起きた」「国会でこの問題が議論されている」「景気についてこの数字が発表された」「海外でこの事件が起きている」という一定範囲の議題を共有する装置として働いていた。この機能が弱くなっている。
Reuters Instituteの2026年調査では、48市場平均でソーシャルメディア・動画ネットワークからニュースに接する人が54％となり、報道機関自身のサイト・アプリの51％を初めて上回った。ただし日本は、なお報道機関サイト・アプリ側が優位な市場の一つである。
一方、AIチャットボットからニュースを得る人は48市場平均で前年の7％から10％へ増え、35歳未満では16％に達した。AIニュース利用者が最も評価している機能は「追加質問ができること」で42％である。
情報の入口が、新聞・テレビからSNSへ、さらにAIへ移る流れはすでに始まっている。問題は、その次の情報環境をどのような原理で設計するかである。
２．PULLだけの情報社会には構造的な欠陥がある
生成AIは優れたPULL型メディアである。利用者が、「今日の日銀のニュースを教えて」
「量子コンピュータでは何が起きているか」「自分の地域のニュースは」「この法案にはどんな問題があるか」と尋ねれば、その関心に沿って情報を提供できる。これは従来の新聞やテレビにはなかった大きな進歩である。
しかし、そこには逆説がある。AIが利用者の要求に忠実になればなるほど、利用者が問いを立てなかった世界は見えなくなる。さらに過去の質問、閲覧履歴、属性、クリック行動などからAIが関心を推測するようになれば、SNSの推薦アルゴリズムと同じ問題が別の形で再現される。
利用者は非常に快適な情報環境を得る。しかし、その環境は次第に本人の関心を反射する鏡になる可能性がある。重要なのは、これを単純な「エコーチェンバー問題」だけとして捉えないことである。人間はもともと選択的に情報を求める。社会的な所属、友人関係、政治的価値観も情報選択に作用する。アルゴリズムだけを修正すれば分断が消えるわけではない。
だからこそ必要なのは、PULLの性能をさらに高めることではなく、その情報環境の中に意図的なPUSHを残すことである。
３．提案――「おはよう○○」という新しい日次メディア
提案するのは、生成AIを核とした日次型の公共メディアである。仮に「おはよう○○」と呼ぶ。毎朝、スマートフォン、タブレット、PCなどに、一日のニュースパッケージが届く。内容はテキストだけではない。短い文章、写真、図表、音声、必要に応じて動画を組み合わせる。しかし最も重要なのは形式ではなく、内容を二層に分けることである。
（１）共通部分
政治、国際、経済、社会、災害、科学技術、文化、生活などから、その日の社会を把握するために重要と編集部が判断した情報をPUSHする。暫定的な標準として毎朝12項目程度を考える。重大事件の多い日は15項目、少ない日は10項目でもよい。重要なのは12という数字そのものではない。個人化によって、この公共部分が押し出されないことである。
（２） 個人部分
利用者自身が選択した分野から、最大6項目程度を追加する。たとえば、科学技術 2，教育 1，地域 1，文化芸術 1，自由選択 1，と本人が枠を決めてもよい。したがって初期標準はおおむね「共通2：個人1」となるが、これは固定比率ではない。
原理は、共通部分には下限を保証し、個人化部分には上限を設けることである。個人ニュースを登録しない人には共通部分だけを届ければよい。
４．このメディアが共有させるのは「意見」ではなく「議題への接触」である
ここで「公共」という言葉の意味を限定しておく必要がある。目的は、国民に同じ認識や同じ政治的判断を持たせることではない。むしろ、それは避けなければならない。守りたいものは、社会について意見を異にする人々が、少なくとも一部では同じ問題の存在を知っている状態である。
AさんとBさんが同じ法案を見て、Aさんは賛成する。Bさんは反対する。これは民主社会として正常である。より深刻なのは、Aさんの情報世界にはその法案しか存在せず、Bさんの情報世界には別の事件しか存在しない、という状態である。
したがってAI公共メディアが目標とするのは、「共通の結論」でも、「一つの正しい世界像」でもない。議題への部分的な共通接触である。このためにこそPUSHが必要になる。
５．PUSH部分は人間が責任編集する
この点は構想上の重要な線引きである。毎朝の共通ニュースを、生成AIに全面的に選ばせるべきではない。「何が社会的に重要か」は、単純な計算問題ではない。閲覧数の多さと公共的重要性は一致しない。
静かに進行している人口構造の変化が芸能ニュースより重要な場合もある。少数者だけに直接関係する法改正が、社会全体にとって重大な場合もある。まだほとんど報道されていない科学的・社会的変化を、一社だけが重要だと判断することもある。
したがって共通ニュースについては、最終的な選択責任を人間の編集主体が負う。AIは、情報収集、資料整理、候補抽出、重複検出、背景資料探索などを補助してよい。
しかし、「今日、この社会にこの12項目を提示する」と決定した主体が誰なのかを曖昧にしない。これはAIを使わない場所を明示することで信頼を作るという考え方である。
欧州の公共サービスメディアでも、推薦を単純な利用時間最大化ではなく、編集者が評価する公共サービス価値と組み合わせる試みが行われている。Sveriges Radioでは編集者による「News Values」を推薦に反映する仕組みがすでに実験されている。
６．AIはニュースの「後ろ」に置く
共通部分では人間の責任を強くする一方、各ニュースの背後には生成AIを置く。ここで、このメディアは新聞やテレビから大きく離れる。
たとえばニュースを聞いていて、「日銀が政策金利を変更しました」と流れたとする。利用者はその場で、「ちょっと待って。なぜ変更したの？」と話しかける。ニュースは停止する。AIが答える。
さらに、「住宅ローンにはどう影響する？」「反対意見は？」「過去にも似たことはあった？」「その0.75％という数字の出典は？」「もっと簡単に説明して」と続けられる。
質問が終われば、「続けて」と言えば朝のニュースへ戻る。これは従来のラジオでもPodcastでも、通常のチャットボットでもない。PUSHされたニュースから、その場でPULL型の知識探索へ移行し、またPUSHへ戻る。ここにこのメディアの重要な新規性がある。
Reuters Instituteの調査で、AIニュース利用者の42％が追加質問機能を利用し、利用動機としても「より深い説明」を求めることが最多であることは、この方向と整合する。
７．音声は読み上げ機能ではなく、情報空間を移動するインターフェースである
音声は付加機能ではない。この構想の中心的インターフェースになり得る。音声だけでは出典を一覧表示できないという問題はある。したがって音声ですべてを完結させる必要はない。基本原理は、耳で探索し、必要なら目で検証する。である。
「その数字はどこから？」と聞けば、「本日公表された日本銀行の資料です。画面に原資料を表示します」と応答する。運転中など画面を見られない場合には、発行主体、文書名、発表日まで読み上げる。後から、「さっきの日銀資料を保存して」と指示できる。
MicrosoftのCopilot Dailyはすでにニュースと天気を朝に音声で届け、許諾されたReuters、Financial Timesなどの情報源を用いる方式を採っている。Particleもニュースの要約、個人化、音声、記事についての質問を一つのサービスに統合している。したがって個々の技術要素はすでに存在している。
未確立なのは、それらを公共的なPUSH原理と一体化することである。
８．個人化は「AIに自分を推測させる」のではなく「編集方針をAIへ委任する」
個人ニュースにも別の危険がある。20分野の情報から6件だけをAIが選ぶなら、そのAIは非常に強い編集者になる。そこで、通常の推薦サービスとは発想を逆転させる。
原則として利用履歴から、「あなたは最近この思想に関心があるようです」とAIが人物像を作り、勝手にニュースを増減させる方式を中心にしない。利用者自身が、「宇宙2、教育1、奈良1、美術1、自由枠1」というように編集方針を指定する。AIはその委任範囲内で選ぶ。
そして各ニュースには、「なぜこの記事が選ばれたのか」を説明できるようにする。たとえば、「あなたが『量子技術』を2枠登録しており、この24時間に登録情報源から重要な更新が3件あったため、そのうち2件を選びました」と説明する。
したがって個人化とは、AIが本人の関心を秘密裏に推定する仕組みではなく、本人が自分の編集方針を明示的にAIへ委任する仕組みになる。利用者はいつでもその委任を変更できる。
９．共通ニュースの背後に「唯一の出来事データベース」を置かない
複数のAI公共メディアが存在すれば、媒体間の共通性をどう作るかという問題が生じる。ここで、一つの中央機関が、「今日はこれが一つの出来事である」とイベントIDを振る仕組みには慎重であるべきだ。出来事の切り出し自体が編集だからである。「外国人政策の変更」を一件とするのか、制度発表、対象人数、自治体反応、野党反応の四件とするのかによって、ニュース空間の見え方が変わる。
実際、ニュース業界にはIPTCのNewsML-G2やEventsML-G2など、ニュースやイベントを構造化して交換する標準がすでに存在する。したがって「出来事にIDを付ける」こと自体は新しい発想ではない。
目指すべきなのは、唯一の正しい出来事分類ではない。むしろ、各媒体が、何を根拠に、何を一つのニュースとして構成したのかを追跡できる状態*である。A社は資料a、b、cを「制度変更」という一つのニュースにまとめた。B社はa、bを「政策」、cを「自治体問題」として二つに分けた。その違い自体を残す。編集行為を消すのではなく、編集行為を可視化する。
１０．共有するのは「真実の判定」ではなく、情報の来歴である
同じ問題はファクトチェックにもある。中央機関が、「確認済み］「争いあり」「誤り」というラベルを一元的に付ければ、その機関が強力な真偽裁定者になる。逆に各社が独自判定すれば、一つの主張について評価が異なる場合がある。
この矛盾は消せない。したがって最初から引き受けるべきである。たとえば、A社：政府統計と自治体資料の双方で確認， B社：母集団定義が異なるため単純比較には問題あり，C社：当該数字を記事では採用せずという状態を許容する。
AIは、「これは確認済みの事実です」と断定する代わりに、「A社は二資料で確認しています。B社は統計定義の違いを問題にしています」と答える。
利用者体験としては、一つの明快な正解を返すAIより煩雑になる。しかし、ニュースには本来その煩雑さが存在する。AI公共メディアは、それを消して滑らかな回答にするのではなく、必要な場合には不一致を不一致のまま提示する能力を持つべきである。この点は重要である。
2025年のBBC・EBUによる22公共メディア、18か国、14言語、3000件超のAIニュース回答の評価では、45％に重大な問題が少なくとも一つあり、31％に重大な出典上の問題、20％に重大な正確性の問題があった。現在の汎用AIに「ニュースを正しくまとめて」と依頼するだけでは、このメディアの信用基盤にはならない。
１１．公共参照層は必要だが、すべてを無料公開するとは限らない
各媒体の記事、一次資料、発言、統計、訂正などの関係を追跡するためには、何らかの共通参照機構がある方が望ましい。ただし、ここで「すべての主張と根拠をオープンデータにする」と単純化してはいけない。
報道機関の商品価値は文章表現だけにあるのではない。独自取材によって、「まだ誰も知らなかった事実を発見する」こと自体に大きな価値がある。独自取材による主張を即座に完全公開すれば、他社が取材費を負担せず利用できる。
逆に、現在の報道では、最初にスクープした社の情報が数時間後には他社記事へ吸収され、起源が見えなくなることもある。したがって参照機構は、設計次第で、取材をただ乗りさせる装置にも、誰が最初に取材したかを記録し、先行性を報いる装置にもなり得る。ここはまだ解決していない。
第２版の段階では、情報源、発表主体、公開時刻、記事の帰属、訂正履歴、引用関係などの来歴情報を共有可能にする一方、独自取材による内容の公開範囲・時期・利用条件には権利者が関与する、という程度に留める。「参照層はオープン、コンテンツは競争」という単純な二分法は採らない。
１２．参照機構の統治は、この構想の中心問題である
もし媒体横断的な参照機構を設けるなら、誰がそれを運営するのかは技術問題ではなく制度問題である。政府が一元管理すれば、政治的介入の危険がある。巨大AIプラットフォームが管理すれば、ニュース空間の入口を再びプラットフォーム企業へ渡すことになる。既存大手メディアだけの共同体なら、新興媒体、地方媒体、フリーランス、市民ジャーナリズムなどを排除する可能性がある。
したがって、一主体による統治は望ましくない。学術情報のCrossrefが非営利の会員組織として多数の出版主体を結び、選挙された理事会によって運営されていることは参考にはなるが、ニュースでは政治的利害、速報性、取材競争がはるかに強いため、そのまま移植できるモデルではない。
少なくとも原則として、政府から独立し、特定プラットフォームから独立し、既存大手メディアだけにも支配されない統治が必要になる。具体的な法人形態や意思決定方式は、今後の制度設計課題とする。重要なのは、この統治問題を「後で考える運用論」へ追いやらないことである。
１３．複数の「おはよう○○」が競争する
AI公共メディアは一つである必要はない。むしろ一つであってはならない。新聞社系、放送局系、通信社系、経済専門系、地域メディア系、新興独立系など、複数の編集主体がそれぞれの「おはよう○○」を提供する。
各社の共通12項目は完全には一致しない。それでよい。A社が一社だけ重要だと判断して報じた問題が、後に重大な意味を持つ場合もある。逆に全社が一斉に取り上げた問題が、数日後にはほとんど意味を持たなくなる場合もある。リアルタイムに「10社中9社が報道」といった重複率を競わせると、横並びを誘発する可能性がある。
したがって、媒体間の一致度を即時の編集目標にはしない。多元的な編集判断を残す。しかし、その判断を後から検証できるようにする。
１４．編集判断そのものを事後的に監査する
これは従来メディアから一歩進めることのできる部分である。たとえば30日後、半年後、1年後に、その時点の共通ニュース選択を振り返る。問うべきなのは、「他社と同じニュースを選んだか」ではない。
たとえば、その時点で小さく扱った問題が後に重大化しなかったか。他社が扱わない重要問題を早期に発見できたか。社会的重要性の低い話題を過大に扱わなかったか。後から判明した事実によって、当時の記事をどう評価すべきか。を見る。
ここから、早期発見と重大な見落としを自己評価できる。もちろん「一年後の重要性」も完全に客観的ではない。したがって単純な数値ランキングにする必要はない。重要なのは、編集部が、「私たちは一年前に何を重要だと判断し、その判断はその後どう見えるか」を社会に説明する習慣を持つことである。
AI時代のメディアに必要なのは、記事単位の訂正制度だけでなく、編集判断そのものの説明責任かもしれない。
１５．三つの難しい事例で構想を試す
この構想について、現段階で抽象的な「公共性」の定義を完成させる必要はない。むしろ難しい事例を通して壊してみるべきである。
事例１： 一社だけが報じているが、実は重要な問題
他社が扱っていないことを理由に共通ニュースから排除してはならない。各媒体は独立して12項目を選べる必要がある。後にその問題が重大化したなら、それは当該媒体の早期発見として評価される。これは「共通性」が「多数決」を意味しないことの試験になる。
事例２： すべての主要媒体が同じ誤報をした
媒体間の一致は真実を保証しない。したがって「何社が報じたか」を事実判定の根拠にはできない。一次資料、原データ、後続情報、訂正の来歴を追える必要がある。共通ニュース12社すべてが間違うことを、システム上の可能性として最初から認める。
事例３： 統計そのものの解釈が争われている
「失業率が改善した」という一文でも、定義、母集団、季節調整、比較期間によって解釈が異なる場合がある。その場合AIは一つの結論へ丸めず、「この統計からA社は改善と評価しているが、B社は別指標を重視している」と説明できなければならない。
これら三事例を処理できない設計なら、「公共性」という美しい理念を書いても意味はない。
１６．成功指標は「長時間使わせること」ではない
このメディアは、SNS型のアテンション・エコノミーと異なる経済原理を目指す必要がある。共通ニュース12項目を30分かけて読ませる必要はない。むしろ、最重要ニュース数件は少し詳しく、それ以外は十数秒から数十秒、とし、約5分で一日の社会的状況を概観できるようにする。その後、個人ニュースへ進む。
興味のある日は一つのニュースについてAIと20分話してもよい。忙しい日は5分で終了してよい。したがって、平均滞在時間、無限スクロール量、クリック数を最上位の成功指標に置くべきではない。
理想的には、「5分で必要な情報を得てアプリを閉じた」ことも成功である。完全広告依存モデルは、この思想と緊張関係を持つ。広告を全面排除するかどうかは別として、利用者を長時間拘束するほど収益が増える構造への依存を減らす必要がある。
１７．既存メディア企業にとっての事業機会
この構想は、新聞社やテレビ局に、「AIを導入して人件費を削減しましょう」と提案するものではない。むしろ逆である。
新聞社、放送局、通信社はすでに、記者、国内外の取材網、専門記者、映像・写真、過去記事、編集部、法務・訂正制度という高価な情報生産基盤を持っている。AIによって安くなるのは主として、その後ろ側である。
同じ取材資産から、通常記事、短時間要約、音声ニュース、利用者別の専門ニュース、初心者向け解説、専門家向け説明、対話型Q&Aを提供できる。
つまりAIの役割は、取材費をゼロにすることではなく、一回の取材から生まれる利用価値を拡張することにある。
日本新聞協会加盟紙の総発行部数は2025年10月時点で2486万8122部、前年比6.6％減となっている。従来の商品形態だけに依存することのリスクはすでに明瞭である。一方、AI企業側から見れば、ニュースは高品質な一次情報を継続的に必要とする。Reuters編集長も2026年7月、AIによるニュース利用について、無断利用が原報道の経済基盤を損なう危険とともに、帰属と正当な対価の必要性を強調している。
したがって既存メディアが持つ取材能力は、AI時代に無価値になるどころか、設計次第では再び戦略資産になり得る。
１８．すでに部品は存在する。しかし統合原理が違う
この構想の個別要素には先行例がある。Particleは複数報道を束ね、要約、異なる観点、個人化、音声、記事への質問、出典表示を組み合わせている。Copilot Dailyは朝のPUSH型ニュースと音声を実装している。SmartNewsは許諾された媒体の記事を生成AIで要約し、出典媒体と元記事への導線を付ける「スマニューAIまとめ」を提供している。欧州公共放送では公共的価値を推薦アルゴリズムへ組み込む試みが進んでいる。
したがって必要な技術を一から発明する企画ではない。現時点で確認できる主要事例との違いは、それらを、公共的PUSH＋限定された本人主導の個人化＋対話型AI＋人間の編集責任
＋情報来歴の可視化という一つのメディア原理で統合する点にある。
１９．第２版における八つの原則
現段階では、次の八原則にまとめられる。
（１）PUSHの原則
利用者が検索しなかった重要情報にも接触する機会を、毎日意図的に作る。
（２）公共部分優先の原則
共通ニュースには一定量を保証し、個人化ニュースには上限を設ける。暫定標準は「共通12＋個人最大6」とする。
（３）人間編集責任の原則
社会へ何をPUSHするかについて、最終責任を負う人間の編集主体を明確にする。
（４）本人主導個人化の原則
AIが人物像を推測してニュースを選ぶのではなく、本人が編集方針を明示的にAIへ委任する。
（５）対話可能性の原則
ニュースは完成した記事ではなく、背景、根拠、反論、歴史、一次資料へ対話的に進める入口とする。
（６）帰属と来歴の原則
「唯一の真実ラベル」を中央で付けるのではなく、誰が何を主張し、何を根拠に検証・評価したのかを追跡可能にする。
（７）多元性の原則
複数の「おはよう○○」が独立した編集判断で競争する。共通性を横並びによって作らない。
（８）独立統治の原則
媒体横断的な参照機構を作る場合、政府、巨大プラットフォーム、既存大手メディアのいずれか一者による支配を避ける。
これらは完成した憲法ではない。今後、実際の事例と試作によって修正される暫定的原則である。
２０．この構想が最終的に目指しているもの
この構想の出発点を見失ってはならない。目指しているのは巨大なニュース知識グラフを作ることではない。完璧なファクトチェック機構でもない。新聞をAIで安く作ることでもない。
出発点はもっと単純である。もし将来、人々が現在SNSを開くのと同じ頻度でAIを使うようになったとき、一人ひとりが「自分の知りたい世界」だけを見る社会にしてよいのか。という問いである。
それに対する暫定的な答えが、毎日一度、社会の重要な出来事にPUSHで接触する。
その上に自分の関心領域を持つ。分からないことはその場でAIに尋ねる。疑わしければ根拠を確認する。別の見方があれば比較する。という情報習慣である。
新聞は紙という物理的なパッケージによって、偶然にも共通情報空間を作った。テレビは放送時間という制約によって、それを作った。AIにはそのような物理的制約がない。だからこそ、放置すれば完全な個人化へ向かう可能性がある。
そこで逆に、個人化できる技術の上に、意図的に公共的な非個人化領域を設計する。これがAI公共メディアという構想の原点である。ただし、その公共領域を中央で一つに決めてはいけない。複数の編集主体が競争し、異なる判断を示し、それぞれの判断の根拠と来歴を後から検証できるようにする。
したがってこの構想は、「全国民に同じニュースを見せるメディア」ではない。多元性を保ちながら、それでも社会の構成員が一定範囲の公共的議題に出会い続けるためのメディアである。そして、そのニュースを一方的に受け取るだけでなく、その場で問い返せる。
おそらくここが、新聞、テレビ、SNS、検索、現在のAIチャットボットのいずれとも異なる、このメディアの最も本質的な特徴である。ニュースは「配られる完成品」から、社会について問い続けるための共通の入口へ変わる。
その入口を誰が、どのような原則で作るのか。これがAI時代の次のメディアをめぐる問題である。
